这里有不为人知的视频监控的发展历史

共享、智能、大数据将成为新时期安防新业态的典型特征，“人工智能+安防，正在变被动防御为主动预警，在公共安全领域实现可视化、网络化、智能化管理。随着人工智能产业化的加快落地，民用安防产品将得到快速发展，至2022年，安防行业市场规模将达到近万亿。

安防，一个既古老又现代的行业，与人们的工作、生活息息相关。视频监控作为现代安防系统中最重要的一个子系统，占据整个安防行业市场份额的半壁江山，其市场增速快，技术变革日新月异。本文从时间维度展示了中国安防视频监控技术的发展历史，为读者剖析该领域的发展脉络以及背后的技术、市场推动力。

自70年代末视频监控进入中国市场以来，经过40余年的发展，中国的视频监控经历了引进、模仿、消化吸收、自主创新的发展历程。从引进国外产品和技术到如今引领全球视频监控的发展方向，国内视频监控技术经历了四个不同的发展阶段：模拟监控、模数结合监控、网络监控以及智能监控。

安防视频监控技术发展历史

第一阶段—模拟监控：

视频监控起源于CCTV(模拟闭路电视)，最早的视频监控由摄像机通过视频线点对点连到监视器，这一时期的监控典型特征是：“监视基本靠瞅”、“控制基本靠手”、“存储基本没有”，还不能称之为一个完整的视频监控系统。

随着技术的发展，视频监控系统开始“脱胎成型”，才逐步形成了包含“视频源-传输-控制切换-存储-显示”的完整系统，这个系统被称为模拟闭路电视(CCTV)监控系统。

模拟闭路电视监控系统是多种模拟设备的组合，系统由“前端设备”、“监控中心”二个部分组成，前端设备包括：摄像机、云台、解码器等；监控中心设备包括：监视器(电视墙)、视频分割器、切换矩阵、控制键盘、盒式录像机(VCR：VideoCassetteRecorder)等。这两部分的设备由视频线、控制线缆等连接。模拟监控系统在当时技术成熟、稳定，短距离实时性好且图像清晰，但是由于整个系统采用模拟信号机制，在长距传输，存储容量等方面存在天然劣势，导致这个阶段的视频监控系统规模不大，主要适用于小范围的区域监控。

模拟监控系统的主要缺点有：多级级联接力后视频图像质量严重下降(长距离传输信号衰减大)；大规模视频源的控制与管理困难(连接线数量多，施工及维护风险大)；数据存储和调用困难(模拟信号存储量大，磁带易受潮、粘连)；与信息系统无法交换数据(与计算机和网络系统无法结合)。

第二阶段—模数结合监控：

20世纪90年代起，随着计算机视频编解码技术的发展，出现了DVR(DigitalVideoRecord，数字硬盘录像机)产品。DVR实现了图像编解码、存储、网络访问等多种功能。通过DVR，可将模拟视频转换为数字信号并进行压缩编码，实现了视频的数字化存储。由于DVR能够实现数字化存储，很好的解决了VCR易受潮、粘连、难于长期保持、空间占用大等问题，因此DVR很快取代VCR成为监控系统的存储部分，这就是常说的模数结合方案，其系统架构如下图所示：

相对于模拟监控，模数结合监控较好解决了数据存储问题以及远程访问需求，但是模数结合监控仍然存在较多的问题：

系统建设：每增加一个新的节点，需要同时增加线路、光端机、视频分配器等设备，大量的线路、转接头，各种模拟、数字设施和集成软件工程实施复杂，后期维护困难。

系统管理：视频存储需要大量的DVR设备，存储空间无法统一管理、检索效率偏低、数据保护可靠性低。整个系统存在模拟和数字两套架构，规模联网面临标准不一致、异构系统架构复杂，很难实现有效管理。

系统维护：依旧缺乏全系统故障自动定位手段，依靠人工排查，维护效率低下。

系统融合：标准化程度差，各厂商采用大量私有技术，很难与行业应用集成，业务升级复杂。

第三阶段—网络监控：

2004起，国家启动了全国“平安城市”建设和“科技强警示范城市”的建设，引爆了安防视频监控新一轮的技术变革。在这个阶段，全国各主要城市均开始建设以视频监控指挥中心为核心的安防系统，这个系统要求实现“统一指挥、多级联网、分布式管理、多点监控”等需求。这些需求促使安防视频监控围绕架构技术快速变革，迅速将IT领域成熟的联网、数据集中、SOA等理念引入，以IT技术重构视频监控系统的整体架构。

在这个过程中，最大的技术变革就是将IP网络交换技术引入安防视频监控，替换了原先的模拟交换，真正实现了大规模视频监控的联网能力。以视频存储为例，这个阶段起，以基于IP的iSCSI/NAS接口访问的存储系统开始大规模进入视频监控市场，凭借其标准的访问方式，灵活的联网能力，高密设计，高可靠等优势，成为了这个阶段存储系统的主要选择。华为也为这个市场推出了如OceanStorS2000系列、OceanStor9000等针对视频监控市场优化的存储系统，并获得了市场成功。

第四阶段—智能监控：

最近几年，随着国内平安城市的基础设施建设基本完成，安防视频监控系统正迅速进入以数据为核心、情报驱动的信息化应用建设阶段。在这个阶段，如何更高效地收集、分析和使用价值数据是重点。简单的说，安防视频监控开始由“看得见”(标清、联网)、“看得清”(高清化)向“看得懂”(智能分析)转变。

视频监控系统数据有三个特点——海量、非结构化和低价值密度，传统的分析方式是人工实时监控和录像查询回放。随着视频监控数据的爆发性增长，受限于人员数量和能力(长时间易疲劳、错看漏看、来不及看)、显示设备有限(前端相机数量远远大于显示屏数量)等因素，当前的视频监控体系、数据管理方式、数据分析应用等技术已不满足要求。具体的说，当前的系统架构，无法保证24小时都能准确高效的监控所有场景，同时，事后视频监控图像的查找回溯也非常困难，其人力物力投入已经超出可承受范围。如在某重大案件侦破过程中，为在视频监控录像中找到犯罪嫌疑人，某地公安机关动用了约2000警力，每天进行长达十几个小时的录像回放、人工搜寻，其总视频浏览量相当于83万部电影，耗费了大量的人力和物力。

在这个背景下，以GPU、物联网、大数据、云计算、大数据、AI等技术为代表的IT前沿技术被引入安防监控领域，推动安全监控系统架构向智能监控方向演进：

以GPU、图像智能识别算法为核心的智能分析技术使得价值数据能够快速被挖掘和提取，其提取的价值数据数量大，格式非常灵活(如图片，表，元数据等)；而物联网技术的应用使得视频监控的数据来源更加多元化，从传统的图像、图片信息，扩展至MAC，RFID等信息；这些变化导致视频监控系统的数据形态发生了重大变化，从非结构化数据，演变为海量的结构化、半结构化、非结构化数据混杂的型态，这需要兼容多种数据格式的海量存储系统。

数据存储后，更重要的是对这些数据进行数据挖掘。新一代视频监控系统信息规模很大，表面上无序，但是却暗含着无数人、车、物的行为关系，要对利用大数据技术进行数据挖掘，这里面涉及到海量数据的多维度关联分析，如基于时空关系(位置和时间)的分析，未来会更进一步发展到利用AI进行更深层次的逻辑分析(如人员异常聚集、可疑行为分析)。目前常见的分析场景包含：刑侦线索分析、案件规律分析、社会舆情分析、金融诈骗分析、公共交通优化等。

挖掘价值数据的最终目的是要为客户所用，因此伴随价值数据而生的就是各种业务应用，例如：视频应用、人像应用、车辆应用、多维数据应用等。当前这些应用主要以各个独立子系统的方式建设，最后通过上层业务进行拉通。这种“烟囱式”的建设模式，导致各业务系统独占资源(计算、存储等)。为了保证业务的运行，各种资源在系统建设初期和扩容时均需要按照峰值负荷进行配置(业务实际都有波峰、波谷)，这样就带来了一个问题：在大多数情况下，大部分的资源闲置(尤其是计算资源)而无法得到充分利用。利用云计算技术则可以有效解决这一问题，提高资源利用率和管理水平。